基于长时序多源卫星遥感评价大尺度植被健康动态的方法

1.本发明属于生态环境领域，特别涉及基于长时序多源卫星遥感评价大尺度植被健康动态的方法。


背景技术：

2.植被作为陆地生态系统的重要组成部分，不仅对全球水文循环、碳收支和能量平衡具有重要的调节作用，而且是响应自然干扰与人类活动的敏感因子。随着近年来频繁增加的干扰事件(土壤侵蚀、森林砍伐和植树造林)改变了区域植被的组成、结构和功能，常绿地区植被是改善区域生态环境、调节气候变化的重要因子，因此常绿地区植被的生长趋势、健康动态和发展机制引发人们的普遍关注。
3.目前许多研究侧重于构建综合指标模型表征生态系统健康程度，集中使用双时相或不连续的多时相影像，难以及时捕捉可能改变植被结构和功能的重要突变事件和生态恢复过程；现有利用多维度参数度量植被健康的单一光谱指数，比如叶面积指数或冠层绿度指标，可以有效表征四季变化明显或植地表覆盖变化剧烈地区的植被变化情况，难以准确度量常绿地区植被生长变化的过程，同时较难全面刻画外界干扰对植被结构和功能的影响。


技术实现要素：

4.针对上述现有技术存在的问题，本发明提供了基于长时序多源卫星遥感评价大尺度植被健康动态的方法，基于长时序且宽尺度被动微波和光学遥感卫星数据集，选取冠层绿度、含水量和碳储量表征常绿地区植被的健康状态，检测植被遥感数据变化趋势，挖掘植被不同的生长变化模式，评价区域植被生态系统的健康动态，为合理开展生境保护和生态工程效应评估奠定了科学基础。
5.本发明实施例的第一方面提供了基于长时序多源卫星遥感评价大尺度植被健康动态的方法，所述方法包括以下步骤：
6.s1、选取评价植被健康状态的评价参数，确定表征所述评价参数的遥感数据，所述评价参数包括植被冠层绿度、植被含水量、植被碳储量；
7.s2、获取不同遥感数据的卫星遥感影像，基于所述卫星遥感影像获取卫星遥感影像中各个像元的遥感数据的变化趋势；
8.s3、基于所述卫星遥感影像中各个像元的遥感数据的变化趋势，分别选取不同遥感数据在卫星遥感影像中的热点区域；
9.s4、获取所述热点区域中的突变区域，所述突变区域根据遥感数据变化趋势的显著性进行选取；
10.s5、获取突变区域的植被生长变化模式，根据所述生长变化模式对植被健康动态进行评价。
11.在一种可选的实施例中,基于所述卫星遥感影像获取卫星遥感影像中各个像元的
遥感数据的变化趋势之前还包括对所述长时序多源卫星遥感影像进行预处理，具体包括：
12.获取不同遥感数据的卫星遥感影像，所述遥感数据包括归一化植被指数数据ndvi、被动微波光学深度数据vod、植被碳储量表征数据abc；
13.基于平均值合成和图像重构将不同遥感数据的卫星遥感影像的时间分辨率和空间分辨率调整一致；
14.对调整后的卫星遥感影像进行区域筛选，保留待评价植被所在区域的卫星遥感影像。
15.在一种可选的实施例中,所述步骤s3具体流程如下：
16.s301、获取同一遥感数据不同采集时间的卫星遥感影像中同一像元的遥感数据，获取所述像元遥感数据的斜率中值；
17.s302、基于所述像元遥感数据的斜率中值，获取所述像元遥感数据的变化趋势统计值；
18.s303、判断所述像元遥感数据的斜率中值和所述像元遥感数据的变化趋势统计值是否满足预设条件，若满足则选取所述像元；
19.s304、重复步骤s301-s303遍历卫星遥感影像的全部像元，则选取出的像元覆盖区域即为卫星遥感影像中的遥感数据变化热点区域。
20.在一种可选的实施例中,所述获取所述热点区域中的突变区域的具体过程如下：
21.获取同一遥感数据的所有卫星遥感图像中热点区域的各个像元的点数据，所述点数据包括像元编号、时间、遥感数据；
22.将具有相同像元编号的点数据组合为像元数据集，基于所述像元数据集中遥感数据集获取遥感数据的前向序列统计值和后向序列统计值；
23.获取前向序列统计值和后向序列统计值的交点值，判断所述交点值是否在显著性阈值范围内，若在则所述像元所在区域为突变区域。
24.在一种可选的实施例中,所述遥感数据的前向序列统计值和后向序列统计值表征遥感数据变化趋势的显著性。
25.在一种可选的实施例中,所述获取突变区域的植被生长变化模式包括：获取突变区域最近一次突变发生前后的变化幅度、变化时间、变化方向，基于所述变化幅度、变化时间、变化方向获取植被的生长变化模式，其中生长变化模式包括持续增长、持续下降、恢复增长、破坏式下降。
26.在一种可选的实施例中,所述变化幅度为变化开始时和变化结束时的前向序列统计值或后向序列统计值的差值；所述变化时间为前向序列统计值和后向序列统计值不在显著性阈值范围内的持续时间；所述变化方向基于前向序列统计值或后向序列统计值进行确定。
27.再一方面，本技术实施例提供了基于长时序多源卫星遥感评价大尺度植被健康动态的系统，所述系统包括：评价参数选择模块，用于选取评价植被健康状态的评价参数，确定表征所述评价参数的遥感数据，所述评价参数包括植被冠层绿度、植被含水量、植被碳储量；
28.遥感数据获取模块，用于获取不同遥感数据的卫星遥感影像，基于所述卫星遥感影像获取卫星遥感影像中各个像元的遥感数据的变化趋势；
29.遥感数据处理模块，用于基于所述卫星遥感影像中各个像元的遥感数据的变化趋势，分别选取不同遥感数据在卫星遥感影像中的热点区域；获取所述热点区域中的突变区域，所述突变区域根据遥感数据变化趋势的显著性进行选取；
30.植被健康动态评价模块，用于获取突变区域的植被生长变化模式，根据所述生长变化模式对植被健康动态进行评价。
31.又一方面，本技术实施例提供了一种评价装置，所述评价装置包括：处理器和存储器；
32.所述存储器用于存储处理器可执行指令；
33.所述处理器通过运行所述可执行指令以实现如上述的基于长时序多源卫星遥感评价大尺度植被健康动态的方法。
34.本发明的基于长时序多源卫星遥感评价大尺度植被健康动态的方法，具备如下有益效果：
35.1、本发明通过获取长时序且宽尺度的被动微波和光学遥感卫星影像，对卫星遥感影像进行预处理后获取按照时间排序的遥感数据集，保证了遥感数据集的连续性和清晰度，有助于全面监测和识别区域植被生长的时空动态变化情况，为评价植被健康动态提供了数据支持。
36.2、本发明不同于现有技术只考虑植被冠层绿度的变化状态，而是选取植被冠层绿度、植被含水量、植被碳储量三个参数用于描述植被的生长过程、生理功能和生态功能三个方面的健康状态，能够更加客观、全面地反映常绿地区植被的健康状况。
37.3、本发明通过遥感数据的变化趋势识别，植被生长变化的热点区域，有助于掌握植被生长变化过程和生长变化趋势，同时获取热点区域中的突变区域，通过突变区域发生突变前后端的变化幅度、变化方向、变化时间提取植被生长变化模式，对植被动态健康进行评价，准确反映了区域植被的发展方向和健康动态过程，揭示了影响常绿地区植被异常变化的影响因素，对科学开展生态工程建设具有重要的应用价值。
附图说明
38.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
39.图1本发明基于长时序多源卫星遥感评价大尺度植被健康动态的方法的流程；
40.图2是本发明前向序列统计值和后向序列统计值图像示意图；
41.图3是本发明遥感数据ndvi、vwc和abc的整体趋势空间分布图。
具体实施方式
42.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
43.本发明实施例提供了基于长时序多源卫星遥感评价大尺度植被健康动态的方法，所述方法包括以下步骤：
44.s1、选取评价植被健康状态的评价参数，确定表征所述评价参数的遥感数据，所述评价参数包括植被冠层绿度、植被含水量、植被碳储量；
45.s2、获取不同遥感数据的卫星遥感影像，基于所述卫星遥感影像获取卫星遥感影像中各个像元的遥感数据的变化趋势；
46.s3、基于所述卫星遥感影像中各个像元的遥感数据的变化趋势，分别选取不同遥感数据在卫星遥感影像中的热点区域；
47.s4、获取所述热点区域中的突变区域，所述突变区域根据遥感数据变化趋势的显著性进行选取；
48.s5、获取突变区域的植被生长变化模式，根据所述生长变化模式对植被健康动态进行评价。
49.参考图1，不同于以往只考虑植被冠层绿度的变化状态，在本实施例中充分考虑植被生长过程中各个阶段的生长特性，选取反映植被关键生长过程的绿度、含水量和碳储量三个参数，分别用于描述植被的生长过程、生理功能和生态功能三个方面的健康状态，能够更加客观、全面地反映常绿地区植被的健康状况，同时充分利用长时序且宽尺度的被动微波和光学遥感卫星数据集，获取表征植被冠层绿度变化的归一化植被指数数据ndvi、表征植被光合作用和非光合作用部分含水量变化vwc的被动微波光学深度数据vod、表征地上植被碳储量的数据abc，本方法增加了可用于连续清晰提取植被指数的数据集，有助于全面监测和识别区域植被生长的时空动态变化情况，为评估植被生态系统健康提供详细信息，其中长时序优选为10年以上，遥感数据与评价参数成正比。
50.进一步的基于卫星遥感影像中同一像元的遥感数据的变化趋势识别植被生长发生变化的热点区域，能够有效掌握区域植被的生长变化过程和发展趋势，根据热点区域遥感数据的变化趋势幅度进一步确定植被生长变化的突变区域，统计突变区域植被的生长变化模式，植被的生长变化模式能够准确的反映区域植被的发展方向和健康动态过程，揭示影响常绿地区植被异常变化的影响因素，对科学开展生态工程建设具有重要的应用价值。
51.基于上述方法，上述基于所述卫星遥感影像获取卫星遥感影像中各个像元的遥感数据的变化趋势之前还包括对所述长时序多源卫星遥感影像进行预处理，具体包括：
52.获取不同遥感数据的卫星遥感影像，所述遥感数据包括归一化植被指数数据ndvi、被动微波光学深度数据vod、植被碳储量表征数据abc；
53.基于平均值合成和图像重构将不同遥感数据的卫星遥感影像的时间分辨率和空间分辨率调整一致；
54.对调整后的卫星遥感影像进行区域筛选，保留待评价植被所在区域的卫星遥感影像。
55.需要说明的是不同信源的卫星遥感影像的分辨率各不相同，因此在进行遥感数据获取前，需要对卫星遥感影像进行预处理，具体的是，分别获取三个长时序卫星遥感影像，其中ndvi遥感影像的时间分别率为双月，空间分辨率为8km,vod遥感影像的时间分别率为1天，空间分辨率为25km，abc遥感影像的时间分别率为1年，空间分辨率为25km。利用rstudio api中的raster程序包，通过平均值分别将日尺度的vod遥感影像和双月尺度的ndvi遥感影
像逐年进行合成，将其时间分辨率均转化为1年，再采用双插值法对ndvi遥感影像进行重构将其空间分辨率转化为25km，最终将ndvi遥感影像、vod遥感影像、abc遥感影像进行批量裁剪，保留待评价植被所在区域的遥感影像，预处理后的卫星遥感图像为按照时间顺序排列仅包括待评价植被区域的遥感图像，其中相邻两张图像之间的时间间隔为一年。通过该方法对多源卫星遥感影像进行预处理，使得多源卫星遥感影像具有相同的时间和空间分辨率，保证了数据连续清晰的同时，减小了数据处理过程的计算量，为评估植被生态系统健康提供了数据支持。
56.基于上述方法，上述步骤s3具体流程如下：
57.s301、获取同一遥感数据不同采集时间的卫星遥感影像中同一像元的遥感数据，获取所述像元遥感数据的斜率中值；
58.s302、基于所述像元遥感数据的斜率中值，获取所述像元遥感数据的变化趋势统计值；
59.s303、判断所述像元遥感数据的斜率中值和所述像元遥感数据的变化趋势统计值是否满足预设条件，若满足则选取所述像元；
60.s304、重复步骤s301-s303遍历卫星遥感影像的全部像元，则选取出的像元覆盖区域即为卫星遥感影像中的遥感数据变化热点区域。
61.参考图1，在本实施例中，获取经过预处理同一遥感数据的卫星遥感图像，则可以按照时间顺序排列的多张卫星遥感影像，提取多张卫星遥感影像中相同位置像元的遥感数据，则可以得到该像元所在区域每一年遥感数据值，基于遥感数据值可以判断出该像元是否为遥感数据变化热点区域。
62.具体的是，基于像元所在区域每一年遥感数据值，计算斜率中值，计算公式如下：
[0063][0064]
其中i和j表示遥感影像获取的年限，xi和xj表示该像元第i和第j年的遥感数据，β表示斜率中值，median表示取中值。
[0065]
然后求解像元遥感数据的变化趋势统计值，在本实施例中通过泰尔森估算值z表示像元遥感数据的变化趋势统计值，具体计算公式如下：
[0066][0067]
其中，var表示方差，s表示统计函数，其表达式如下：
[0068][0069]
其中，n表示遥感数据数量。
[0070]
进一步判断斜率中值β和泰尔森估算值z是否预设条件，若β》0且z》1.96则该像元的遥感数据逐年显著递增，若β《0且z《1.96则该像元的遥感数据逐年显著递减，将某一遥感数据的卫星遥感影像中像元全部遍历完成，将其中显著递增或显著递减的像元全部标记出
来，这些像元所在区域就是某一遥感数据变化的热点区域，将其他遥感数据的卫星遥感影像按上述方法进行计算，可以得到所有遥感数据的热点区域。
[0071]
通过该方法介意有效的识别待评价植被发生变化的热点区域和变化类型，能够有效掌握区域植被的生长变化过程和发展趋势。
[0072]
基于上述方法，上述获取所述热点区域中的突变区域的具体过程如下：
[0073]
获取同一遥感数据的所有卫星遥感图像中热点区域的各个像元的点数据，所述点数据包括像元编号、时间、遥感数据；
[0074]
将具有相同像元编号的点数据组合为像元数据集，基于所述像元数据集中遥感数据集获取遥感数据的前向序列统计值和后向序列统计值；
[0075]
获取前向序列统计值和后向序列统计值的交点值，判断所述交点值是否在显著性阈值范围内，若在则所述像元所在区域为突变区域。
[0076]
基于上述方法，上述遥感数据的前向序列统计值和后向序列统计值表征遥感数据变化趋势的显著性。
[0077]
参考图1-2，在本实施例中，通过arcmap软件可以获取卫星遥感图像中热点区域的每个像元中的数据，具体的是对卫星遥感图像中热点区域的像元进行编号，同一遥感数据不同获取时间的卫星遥感影像中，相同位置的像元编号相同，提取每个像元中的点数据，按照遥感数据类型进行分类则可以得到ndvi、vwc和abc三个遥感数据像元点数据集，提取同一数据集中具有相同像元编号的点数据，将提取的点数据构造为像元数据集，将像元数据集中的遥感数据按照时间顺序进行排列，即可得到该像元的遥感数据时间序列，根据该像元的遥感数据时间序列可以判断该像元是否为突变区域。
[0078]
具体的计算方式为，按照遥感数据时间序列顺序计算前向序列统计值uf(ti)，计算公式如下：
[0079][0080]
其中，ti是xi》xj(i》j)的累积统计值，e(ti)是期望值。
[0081]
然后，按照遥感数据时间序列逆序计算后向序列统计值ub(ti)，计算公式如下：
[0082]
ub(ti)＝-uf(ti)(i＝n,n-1,λ,1；bf(1)＝0)
ꢀꢀ
(5)
[0083]
其中，
“‑”
表示与uf(ti)的计算方向相反。
[0084]
在本实施例中，根据前向序列统计值uf(ti)和向序列统计值ub(ti)可以得到遥感数据变化趋势的显著性，例如uf(ti)》0或ub(ti)《0说明呈上升变化趋势，若uf(ti)》1.96或ub(ti)《1.96则说明遥感数据上升变化趋势的显著。
[0085]
进一步的，利用matlab软件提取遥感数据的突变点，获取最近一次突变的位置和时间，具体的是判断uf(ti)与ub(ti)交点的值是否在显著性阈值范围[-1.96,1.96]内，若在则说明该像元所在区域为突变区域，遍历所有像元，即可得到待评价植被区域的遥感数据突变区域。
[0086]
通过该方法可以准确描述区域植被的时空变化特征，并且可以有效识别发生显著变化的类型，结合植被发生变化的热点区域，能够有效掌握区域植被的生长变化过程和发展趋势。
[0087]
基于上述方法，上述获取突变区域的植被生长变化模式包括：获取突变区域最近
一次突变发生前后的变化幅度、变化时间、变化方向，基于所述变化幅度、变化时间、变化方向获取植被的生长变化模式，其中生长变化模式包括持续增长、持续下降、恢复增长、破坏式下降。
[0088]
基于上述方法，上述变化幅度为变化开始时和变化结束时的前向序列统计值或后向序列统计值的差值；所述变化时间为前向序列统计值和后向序列统计值不在显著性阈值范围内的持续时间；所述变化方向基于前向序列统计值或后向序列统计值进行确定。
[0089]
参考图3，在本实施例中，采用突变区域发生突变时间前后段的变化幅度、变化时间、变化方向来获取植被的生长变化模式，具体的是，根据前向序列统计值uf(ti)和向序列统计值ub(ti)可以得到遥感数据额的变化方向，例如uf(ti)》0或ub(ti)《0说明呈上升变化趋势，若例如uf(ti)《0或ub(ti)》0说明呈下降变化趋势，再根据突变区域开始变化时与变化结束时的uf(ti)或ub(ti)绝对值的差值表示变化幅度，变化时间则根据uf(ti)或ub(ti)不在显著性阈值范围[-1.96,1.96]内的持续时间进行确定，统计所有突变区域的变化幅度、变化时间、变化方向，进行综合分析，得到待评价植被生长发生变化的热点区域的生长变化模式。
[0090]
举例来说，若突变区域的遥感数据的变化方向是下降趋势、变化幅度较大、持续时间较短，则遥感数据表征的植被评价参数的变化情况相同，根据统计该种变化情况对应的植被生长变化模式则为破坏性下降，因此根据不同的变化幅度、变化时间、变化方向可以得到持续增长、持续下降、恢复增长、破坏式下降四种生长变化模式
[0091]
本技术实施例提供的基于长时序多源卫星遥感评价大尺度植被健康动态的系统，包括：
[0092]
评价参数选择模块，用于选取评价植被健康状态的评价参数，确定表征所述评价参数的遥感数据，所述评价参数包括植被冠层绿度、植被含水量、植被碳储量；
[0093]
遥感数据获取模块，用于获取不同遥感数据的卫星遥感影像，基于所述卫星遥感影像获取卫星遥感影像中各个像元的遥感数据的变化趋势；
[0094]
遥感数据处理模块，用于基于所述卫星遥感影像中各个像元的遥感数据的变化趋势，分别选取不同遥感数据在卫星遥感影像中的热点区域；获取所述热点区域中的突变区域，所述突变区域根据遥感数据变化趋势的显著性进行选取；
[0095]
植被健康动态评价模块，用于获取突变区域的植被生长变化模式，根据所述生长变化模式对植被健康动态进行评价。
[0096]
需要说明的是：本实施例提供的基于长时序多源卫星遥感评价大尺度植被健康动态的系统在进行评价时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将基于长时序多源卫星遥感评价大尺度植被健康动态的系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
[0097]
本技术实施例还提供了一种评价装置，上述评价装置包括：处理器和存储器；
[0098]
所述存储器用于存储处理器可执行指令；
[0099]
所述处理器通过运行所述可执行指令以实现如上述的基于长时序多源卫星遥感评价大尺度植被健康动态的方法
[0100]
其中，对于用于数据处理的处理器而言，在执行处理时，可以采用微处理器、cpu、
dsp或fpga实现。对于存储器来说，存储器可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者，存储器中存储有操作指令，该操作指令可以为计算机可执行代码，通过该操作指令来实现上述本技术实施例的基于长时序多源卫星遥感评价大尺度植被健康动态的方法流程中的各个步骤。
[0101]
本发明不局限于上述具体的实施方式，本领域的普通技术人员从上述构思出发，不经过创造性的劳动，所做出的种种变换，均落在本发明的保护范围之内。